| 1 |
1
기판; 및상기 기판 상의 복수의 단위 셀들을 포함하되,상기 단위 셀들 각각은 채널층, 및 상기 채널층과 교차하는 제1 전극 및 제2 전극을 포함하고,상기 제1 전극과 상기 제2 전극은 서로 이격되며, 상기 채널층의 일부를 노출시키는 갭 영역을 정의하고,상기 채널층은 2차원 반도체 물질 또는 2차원 강유전 물질을 포함하는 시냅스 소자
|
| 2 |
2
제 1 항에 있어서,상기 채널층의 두께는 1 nm 내지 50 nm인 시냅스 소자
|
| 3 |
3
제 1 항에 있어서,상기 2차원 반도체 물질은 MoS2, MoSe2, MoTe2, WS2, WSe2, SnS, SnS2, 산화 그래핀(graphene oxide) 또는 흑린(Black phosphorous) 중 하나이고,상기 2차원 강유전 물질은 SnS, SnSe, SnTe, InSe 또는 In2Se3 중 하나인 시냅스 소자
|
| 4 |
4
제 1 항에 있어서,상기 갭 영역의 폭은 0
|
| 5 |
5
제 1 항에 있어서,상기 채널층은 상기 단위 셀들을 가로지르는 일체의 형상을 갖는 시냅스 소자
|
| 6 |
6
제 1 항에 있어서,상기 채널층은 복수로 제공되고,상기 채널층들 각각은 서로 이격되며, 그 사이로 상기 기판의 일부를 노출시키는 시냅스 소자
|
| 7 |
7
제 1 항에 있어서,상기 채널층은 반복되는 전기적 펄스 신호에 따라 전류가 감소하는 특성 및 반복되는 광학적 펄스 신호에 따라 전류가 증가하는 특성을 갖는 시냅스 소자
|
| 8 |
8
제 7 항에 있어서,상기 채널층은 동일한 주기로 반복되는 동일한 크기의 펄스들에 대하여 비선형적으로 전류가 변화하는 특성을 갖는 시냅스 소자
|
| 9 |
9
학습 대상 패턴에 대응되는 입력 신호를 생성하는 입력 신호 생성부;상기 입력 신호에 따른 결과를 측정하는 측정부; 및상기 측정부에서 측정된 값들을 통해 상기 학습 대상 패턴을 학습하는 학습부를 포함하되,상기 측정부는:기판; 및상기 기판 상의 복수의 단위 셀들을 포함하되,상기 단위 셀들 각각은 채널층, 및 상기 채널층과 교차하는 제1 전극 및 제2 전극을 포함하고,상기 제1 전극과 상기 제2 전극은 서로 이격되며, 상기 채널층의 일부를 노출시키는 갭 영역을 정의하고,상기 채널층은 2차원 반도체 물질 또는 2차원 강유전 물질을 포함하는 축적 컴퓨팅 장치
|
| 10 |
10
제 9 항에 있어서,상기 학습 대상 패턴은 자모음, 음절, 단어, 문장, 비언어 기호, 그림 또는 도형인 축적 컴퓨팅 장치
|
| 11 |
11
제 9 항에 있어서,상기 입력 신호는 시간에 따라 변하는 신호인 축적 컴퓨팅 장치
|
| 12 |
12
제 11 항에 있어서,상기 입력 신호는 전기적 펄스 신호 및 광학적 펄스 신호 중 적어도 어느 하나를 포함하는 축적 컴퓨팅 장치
|
| 13 |
13
제 9 항에 있어서,상기 측정부에서 측정되는 상기 입력 신호에 따른 결과는, 상기 입력 신호에 따라 변하는 상기 채널층의 전기 전도도 값인 축적 컴퓨팅 장치
|
| 14 |
14
제 9 항에 있어서,상기 학습 대상 패턴은 복수의 행들로 표현되고,상기 복수의 행들 각각은 복수의 입력 신호들로 표현되는 축적 컴퓨팅 장치
|
| 15 |
15
제 9 항에 있어서,상기 학습부는 단층 퍼셉트론(single-layer perceptron), 다층 퍼셉트론(multi-layer perceptron), 랜덤 포레스트(random forest), 서포트 벡터 머신(support vector machine) 또는 로지스틱 회귀 분석(logistic regression)을 이용하는 축적 컴퓨팅 장치
|
| 16 |
16
학습 대상 패턴을 준비하는 것;상기 학습 대상 패턴을 펄스 신호들로 나타내는 것;상기 펄스 신호들 각각을 멤리스터에 입력하는 것; 및상기 멤리스터의 전도도 값들을 통해 상기 학습 대상 패턴을 학습시키는 것을 포함하되,상기 멤리스터는 채널층, 및 상기 채널층과 교차하는 제1 전극 및 제2 전극을 포함하고,상기 제1 전극과 상기 제2 전극은 서로 이격되며, 상기 채널층의 일부를 노출시키는 갭 영역을 정의하고,상기 채널층은 2차원 반도체 물질 또는 2차원 강유전 물질을 포함하는 축적 컴퓨팅 방법
|
| 17 |
17
제 16 항에 있어서,상기 펄스 신호들 각각은 이진 펄스 신호인 축적 컴퓨팅 방법
|
| 18 |
18
제 16 항에 있어서,상기 학습 대상 패턴을 상기 펄스 신호들로 나타내는 것은:상기 학습 대상 패턴을 복수의 행들로 나타내는 것; 및상기 복수의 행들 각각을 상기 펄스 신호들로 나타내는 것을 포함하는 축적 컴퓨팅 방법
|
| 19 |
19
제 16 항에 있어서,상기 멤리스터의 전도도 값들을 통해 상기 학습 대상 패턴을 학습시키는 것은:상기 멤리스터의 전도도 그래프로부터 전도도 값들을 추출하는 것; 및상기 전도도 값들을 기계 학습 모델에 입력하는 것을 포함하는 축적 컴퓨팅 방법
|
| 20 |
20
제 16 항에 있어서,상기 펄스 신호들은 전기적 펄스 신호 및 광학적 펄스 신호 중 적어도 어느 하나를 포함하고,상기 전기적 펄스 신호는 상기 제1 전극 또는 상기 제2 전극을 통해 입력되고,상기 광학적 펄스 신호는 상기 갭 영역을 통해 입력되는 축적 컴퓨팅 방법
|
